来自多项研究的 RNA-seq 数据的差异荟萃分析
应用统计
2013-06-18 v1 基因组学
统计方法学
摘要
高通量测序现在常规用于转录组研究（RNA-seq），特别是用于实验条件之间的比较。目前，此类实验通常只考虑有限数量的生物学重复，导致差异表达的检测效力较低。随着成本持续降低，未来可能会开展额外的后续研究以重新探讨相同的生物学问题。我们展示了此前用于微阵列荟萃分析的 p 值组合技术如何可用于多项相关研究的 RNA-seq 数据的差异分析。我们将这些技术与包含固定研究效应的负二项广义线性模型（GLM）在模拟数据和人类黑色素瘤细胞系的真实数据上进行了比较。带有固定研究效应的 GLM 在研究间变异较小且研究数量较少时表现良好，但在研究间变异中等至较大且研究数量较多时，其表现不如荟萃分析方法。总之，此处展示的 p 值组合技术是一种有价值的工具，可通过适当考虑研究内的生物和技术变异以及额外的研究特异性效应，来执行 RNA-seq 数据的差异荟萃分析。R 包 metaRNASeq 可在 R Forge 上获取。
引用
@article{arxiv.1306.3636,
title = {Differential meta-analysis of RNA-seq data from multiple studies},
author = {Andrea Rau and Guillemette Marot and Florence Jaffrézic},
journal= {arXiv preprint arXiv:1306.3636},
year = {2013}
}